A medida que la inteligencia artificial se convierte en un término recurrente en casi todas las presentaciones de startups de salud, los inversores encuentran cada vez más difícil distinguir cuáles merecen realmente la atención que reciben.
Por esta razón, durante un panel de capitalistas de riesgo en la conferencia MedCity INVEST Digital Health en Dallas, se planteó la siguiente pregunta: ¿Qué métricas deberían destacar más los fundadores al presentar sus proyectos, y qué señal de alerta cuestiona la validez de su tecnología? La sesión fue moderada por Neil Patel, director de ventures en Redesign Health.
Esto fue lo que comentaron:
Lo que los fundadores deberían destacar
Para Maddie Hilal, inversora de Oak HC/FT, es fundamental que las startups tengan una fuerte retención neta de ingresos, que mide la capacidad de una empresa para mantener los ingresos de sus clientes actuales.
“Si no tenemos visibilidad total sobre esos puntos de prueba concretos de impacto en pérdidas y ganancias, pero tu base de clientes existente está ampliando sus contratos, claramente están satisfechos. Están percibiendo el valor”, afirmó.
Otro inversor busca empresas con datos de alta calidad.
“Si dispones de datos mejores y de mayor calidad, puedes resolver problemas de manera más efectiva, con mayor predictibilidad en los modelos. Buscamos eso: ¿cuál es ese conjunto de datos propietario? ¿Con qué has entrenado el sistema? ¿Dónde y en qué entorno se ha desplegado?”, dijo Rohit Nuwal, socio de TELUS Global Ventures.
Vickram Pradhan, vicepresidente de Sopris Capital, quiere ver startups de IA con un claro impacto clínico.
“La gente pregunta hoy por el impacto clínico de un modo que no hacía hace cinco años”, comentó en el panel. “Creo que se debe a que algunos mecanismos de reembolso y pago en salud son algo opacos. Pero si sabes que lo que haces tiene un impacto clínico real, esa es una base sólida para saber que tendrá valor y que alguien querrá pagar por ello”.
Señales de alerta en IA
Muchas startups de salud utilizan términos de moda sobre IA en sus presentaciones, pero no respaldan sus afirmaciones con datos sólidos ni métricas validadas, según Hilal. Esto es una gran señal de advertencia, señaló.
Nuwal coincidió con sus comentarios.
“Creo que se menciona la IA en muchos casos donde básicamente se trata de un problema de aprendizaje automático que se intenta resolver. No culpo a los fundadores; levantar fondos en este entorno es difícil y a veces hay que jugar con las reglas del juego. Pero ser auténtico respecto al problema que resuelves marca la diferencia”, afirmó.
Para Pradhan, una señal de alarma son las métricas de ingresos “poco claras”. Es importante que las empresas sean realistas con los inversores.
“Hoy es común ver, especialmente en empresas de IA que hacen muchos pilotos, que hablan de ‘tener 10 millones de ingresos contratados’. Pero cuando profundizas, descubres que ‘eso es lo que se espera para el tercer año’. Eso hace más difícil establecer una base de confianza”, dijo.